9
BAB II
LANDASAN TEORI
2.1 Aplikasi
Aplikasi merupakan sekumpulan perintah program yang dibuat untuk
melakukan pekerjaan-pekerjaan tertentu (khusus). Dalam pembuatan aplikasi file
text dibutuhkan beberapa komponen seperti label, textbox, dan beberapa command,
dimana aplikasi file text merupakan sebuah program yang dapat menyimpan text
atau tulisan ke dalam extention .txt. Pada pembuatan aplikasi tentu tersedia menu
untuk melakukan print form, dimana print form sendiri merupakan komponen untuk
mencetak form ke file, preview atau printer. Komponen tersebut terdapat pada
ToolBox Printing. (Hendrayudi, 2009 : 143)
2.2 Perencanaan Persediaan Barang Jadi
2.2.1 Pengertian Perencanaan Persediaan
Perencanaan merupakan suatu proses yang melibatkan penentuan sasaran
atau tujuan organisasi, sedangkan persediaan adalah sumber daya yang menganggur
(idle reosurces) yang menunggu proses lebih lanjut. Proses lebih lanjut tersebut
adalah berupa kegiatan produksi pada sistem manufaktur, kegiatan pemasaran pada
sistem distribusi ataupun kegiatan konsumsi pangan pada rumah tangga. Persediaan
(Inventory) didefinisikan sebagai sumber daya yang disimpan untuk memenuhi
permintaan saat ini maupun yang akan datang.
Perencanaan persediaan merupakan salah satu kegiatan pengawasan
persediaan yang menjadi dasar untuk segala tindakan pengawasan persediaan yang
akan dijalankan. Dalam perencanaan persediaan ditentukan usaha-usaha atau
10
tindakan yang akan atau perlu diambil untuk mencapai hasil yang sesuai dengan
rencana, dengan mempertimbangkan masalah-masalah yang mungkin timbul di
masa yang akan datang. (Nasution dan Prasetyawan, 2008 : 114)
Pada dasarnya persediaan (inventory) menyembunyikan masalah dan
menimbulkan aktivitas penanganan tambahan yang seharusnya tidak diperlukan.
Persediaan juga mengakibatkan extra paperwork, extra space (kebutuhan tempat
yang luas) dan extra cost (biaya simpan yang tinggi). Salah satu akar dari
permasalahan persediaan tersebut disebabkan oleh peramalan kebutuhan yang tidak
akurat (inaccurate forecasting). (Gaspersz, 2007 : 9)
2.2.2 Klasifikasi Persediaan
Persediaan bisa diklasifikasikan dengan berbagai cara. Pada bagian ini kita
akan melihat persediaan dari 3 klasifikasi :
1. Berdasarkan bentuknya, persediaan bisa diklasifikasikan menjadi bahan baku
(raw material), barang setengah jadi (work in proses), dan produk jadi (finished
product).
2. Berdasarkan fungsinya persediaan bisa dibedakan menjadi :
a. Pipeline/transit inventory, persediaan ini muncul karena lead time pengiriman
dari suatu tempat ke tempat lain. Barang yang tersimpan di truk adalah salah
satu contohnya.
b. Cycle stock, ini adalah persediaan akibat motif memenuhi skala ekonomi.
Persediaan ini mempunyai siklus tertentu. Pada saat pengiriman jumlahnya
banyak, kemudian sedikit demi sedikit berkurang akibat dipakai atau dijual
sampai akhirnya habis atau hampir habis, kemudian mulai dengan siklus baru
lagi.
11
c. Persediaan pengaman (safety stock), fungsinya adalah sebagai perlindungan
terhadap ketidakpastian permintaan maupun pasokan.
d. Anticipation stock adalah persediaan yang dibutuhkan untuk mengantisipasi
kenaikan permintaan akibat sifat musiman dari permintaan terhadap produk.
Walaupun anticipation stock juga pada hakekatnya mengantisipasi
permintaan yang tidak pasti, namun perusahaan bisa memprediksi adanya
kenaikan dalam jumlah yang signifikan.
3. Persediaan juga bisa diklasifikasikan berdasarkan sifat ketergantungan
kebutuhan antara satu item dengan item lainnya, yaitu :
a. Dependent demand : Item-item yang kebutuhannya bergantung pada item
yang lain. Dependent demand merupakan komponen atau bahan baku untuk
membuat independent demand. Diwujudkan dalam bentuk Bill Of Material
(BOM).
b. Independent demand : Item tidak tergantung pada kebutuhan item yang lain.
Produk jadi biasanya tergolong dalam independent demand item karena
kebutuhan akan satu produk jadi tidak langsung mempengaruhi kebutuhan
produk jadi yang lain. (Pujawan dan Mahendrawati, 2010 : 119-121)
2.2.3 Biaya Penyimpanan
Biaya simpan adalah semua pengeluaran yang timbul akibat menyimpan
barang. Biaya ini meliputi :
a. Biaya memiliki persediaan (biaya modal), penumpukan barang di gudang
berarti penumpukan modal, dimana modal perusahaan mempunyai ongkos
(expense) yang dapat diukur dengan suku bunga bank.
12
b. Biaya Gudang, barang disimpan memerlukan tempat penyimpanan sehingga
timbul biaya gudang.
c. Biaya kerusakan dan penyusutan, barang yang disimpan dapat mengalami
kerusakan dan penyusutan karena beratnya berkurang ataupun jumlahnya
berkurang karena hilang.
d. Biaya kadaluwarsa (absolence), barang yang disimpan dapat mengalami
penurunan nilai karena perubahan teknologi dan model seperti barang-barang
elektronik.
e. Biaya asuransi, barang yang disimpan diasuransikan untuk menjaga dari hal-
hal yang tidak diinginkan seperti kebakaran.
f. Biaya administrasi dan Pemindahan, biaya ini dikeluarkan untuk
mengadministrasi persediaan barang yang ada, baik pada saat pemesanan,
penerimaan barang maupun penyimpanan dan biaya untuk memindahkan
barang dari, ke dan di dalam penyimpanan, termasuk upah buruh dan biaya
peralatan handling. (Nasution dan Prasetyawan, 2008 : 122-123)
Pada umumnya biaya simpan dipengaruhi oleh jumlah barang yang
disimpan dan lamanya barang disimpan. Setiap hari jumlah barang yang disimpan
akan berkurang karena dipakai/terjual, sehingga lama penyimpanan antara satu unit
barang yang lain berbeda. Oleh karena itu, yang perlu diperhatikan adalah tingkat
persediaan rata-rata. Karena persediaan bergerak dari Q unit ke nol unit dengan
tingkat pengurangan konstan(gradien-D) selama t waktu, maka persediaan rata-rata
untuk setiap siklus adalah 𝑄+0
2=
𝑄
2 , sehingga :
Holding Cost per-periode = h(𝑄
2)
13
Dimana h merupakan biaya simpan Rp/unit/tahun dan Q adalah quantity.
Pada perhitungan biaya simpan untuk bahan baku maka tingkat persediaan dihitung
sesuai dengan pembelian bahan baku, jika untuk produk siap jual maka
perhitungannya dari produksi. (Nasution dan Prasetyawan, 2008 : 134-136)
2.2.4 Gudang
Gudang adalah bangunan yang dipergunakan untuk menyimpan barang
dagangan. Gudang adalah suatu tempat yang digunakan untuk menyimpan barang
baik yang berupa raw material, barang work in process atau finished good.
(Warman, 2004 : 5). Barang jadi (finished good) merupakan barang jadi yang telah
selesai diproses, siap untuk disimpan di gudang barang jadi, dijual, atau
didistribusikan ke lokasi-lokasi pemasaran. (Nasution dan Prasetyawan, 2008 : 114)
2.3 Peramalan
2.3.1 Pengertian Peramalan
Peramalan adalah metode untuk memperkirakan suatu nilai di masa depan
dengan menggunakan data masa lalu. Peramalan juga dapat diartikan sebagai seni
dan ilmu untuk memperkirakan kejadian pada masa yang akan datang, sedangkan
aktivitas peramalan merupakan suatu fungsi bisnis yang berusaha memperkirakan
penjualan dan penggunaan produk sehingga produk-produk itu dapat dibuat dalam
kuantitas yang tepat. (Gaspersz, 2002 : 71)
2.3.2 Peramalan Permintaan
Peramalan permintaan merupakan tingkat permintaan produk-produk yang
diharapkan akan terealisir untuk jangka waktu tertentu pada masa yang akan datang.
Peramalan permintaan ini akan menjadi masukan yang sangat penting dalam
14
keputusan perencanaan dan pengendalian perusahaan. Karena bagian operasional
produksi bertanggung jawab terhadap pembuatan produk yang dibutuhkan
konsumen, maka keputusan-keputusan operasi produksi sangat dipengaruhi hasil
dari peramalan permintaan. Peramalan permintaan ini digunakan untuk
meramalkan permintaan dari produk yang bersifat bebas (tidak tergantung), seperti
produk jadi. (Nasution dan Prasetyawan, 2008 : 29).
2.3.3 Langkah-langkah Peramalan
Tahap-tahap peramalan dapat dibagi menjadi beberapa tahap sebagai
berikut:
1. Penentuan tujuan peramalan, pada tahap ini penentuan tujuan dari setiap
peramalan harus disebutkan secara tertulis, formal, dan eksplisit. Tujuan
peramalan mempengaruhi panjangnya periode ramalan dan menentukan
frekuensi revisi.
2. Pemilihan teori yang relevan, menentukan hubungan teoritis yang menentukan
perubahan-perubahan variabel yang diramalkan.
3. Pengumpulan data, pencarian data yang tepat dan menyakinkan bahwa data
yang diperoleh cukup akurat.
4. Analisis data, dilakukan penyeleksian data karena dalam proses peramalan
seringkali kita mempunyai data yang berlebihan atau bisa juga terlalu sedikit.
Beberapa data mungkin tidak relevan dengan masalah yang akan kita analisis
sehingga mungkin dapat mengurangi akurasi peramalan. Data yang lain
mungkin tepat guna tetapi hanya untuk beberapa periode waktu saja.
5. Pengestimasian model sementara, tahap dimana kita menguji kesesuaian
(fitting) data yang telah kita kumpulkan ke dalam model peramalan dalam
15
artian kesalahan peramalan. Semakin sederhana suatu model biasanya semakin
baik model tersebut dalam artian bahwa model tersebut mudah diterima oleh
para manajer yang akan membuat proses pengambilan keputusan.
6. Evaluasi model dan revisi model, sebelum kita melakukan penerapan secara
aktual, suatu model harus diuji lebih dahulu untuk menentukan akurasi,
validitas, dan keandalan yang diharapkan.
7. Penyajian ramalan sementara kepada manajemen, demi keberhasilan suatu
peramalan, maka dibutuhkan input dari manajemen.
8. Pembuatan revisi final, seperti telah dikemukakan di muka, tidak ada ramalan
yang bersifat statis. Penyiapan suatu ramalan yang baru akan dilakukan
tergantung pada hasil evaluasi tahap-tahap sebelumnya.
9. Pendistribusian hasil peramalan, pendistributsian hasil peramalan kepada
manajemen harus pada waktu tepat dan format yang konsisten. Jika tidak, nilai
ramalan tersebut akan berkurang. Peramal harus menentukan siapa yang harus
menerima hasil ramalan tersebut.
10. Penentuan langkah-langkah peramalan, Suatu kegiatan peramalan yang baik
membutuhkan penetapan langkah-langkah pemantauan untuk mengevaluasi
peramalan ketika sedang berlangsung dan langkah pemamtauan yang
memungkinakan seorang peramal untuk mengantisipasi perubahan yang tak
terduga. (Arsyad, 2001 : 13-16)
2.3.4 Pendekatan Peramalan
Secara umum, terdapat dua pendekatan yang dapat digunakan dalam
peramalan, yaitu :
16
a. Peramalan Kuantitatif, menggunakan berbagai model matematis yang
menggunakan data historis dan atau variabel-variabel kausal untuk meramalkan
permintaan.
b. Peramalan Kualitatif atau subjektif, memanfaatkan faktor-faktor penting seperti
intuisi, pengalaman pribadi, dan sistem nilai pengabilan keputusan. (Siagian,
2005 : 133)
2.3.5 Horison Waktu Peramalan
Dalam hubungannya dengan horison waktu peramalan, maka kita bisa
mengklasifikasikan peramalan tersebut kedalam 3 kelompok, yaitu :
a. Peramalan Jangka Panjang, umumnya 2 sampai 10 tahun. Peramalan ini
digunakan untuk perencanaan sumber daya.
b. Peramalan Jangka Menengah, umumnya 1 sampai 24 bulan. Peramalan ini lebih
mengkhusus dibandingkan peramalan jangka panjang, biasanya digunakan
untuk menentukan aliran kas, perencanaan produksi, dan penentuan anggaran.
c. Peramalan Jangka Pendek, umumnya 1 sampai 5 minggu. Peramalan ini
digunakan untuk mengambil keputusan dalam hal perlu tindakan lembur,
penjadwalan kerja, dan lain-lain keputusan kontrol jangka pendek. (Nasution
dan Prasetyawan, 2008 : 29)
2.3.6 Karakteristik Peramalan yang Baik
Peramalan yang baik mempunyai beberapa kriteria yang penting antara
lain akurasi, biaya, dan kemudahan.
a. Akurasi dari suatu hasil peramalan diukur dengan kebiasan dan kekonsistensian
peramalan tersebut. Hasil peramalan dikatakan bias bila peramalan tersebut
17
terlalu tinggi atau rendah dibandingkan kenyataan. Dikatakan konsisten bila
besarya kesalahan peramalan relatif kecil.
b. Biaya, yang diperlukan dalam pembuatan suatu peramalan adalah tergantung
dari jumlah item yang diramalkan, lamanya periode peramalan, dan metode
peramalan yang dipakai.
c. Kemudahan, penggunaan metode peramalan yang sederhana, mudah dibuat, dan
mudah diaplikasikan akan memberikan keuntungan bagi perusahaan. Adalah
percuma memakai metode yang canggih, tetapi tidak dapat diaplikasikan pada
sistem perusahaan karena keterbatasan dana, sumberdaya, maupun peralatan
teknologi. (Nasution dan Prasetyawan, 2008 : 33)
2.3.7 Data Runtut Waktu
Setiap variabel yang terdiri dari data yang dikumpulkan, dicatat, atau
diobservasi sepanjang waktu yang berurutan disebut data runtut waktu. Dengan kata
lain, suatu data runtut waktu terdiri data yang dikumpulkan, dicatat atau
diobservasi sepanjang waktu yang berurutan. (Arsyad, 2001 : 37)
Seri waktu memiliki 4 komponen, yaitu sebagai berikut :
a. Kecenderungan (Trend) adalah komponen jangka panjang yang mendasari
pertumbuhan (atau penurunan) dalam suatu data runtut waktu. Kekuatan-
kekuatan dasar yang menghasilkan atau mempengaruhi trend dari suatu data
runtut waktu adalah perubahan populasi, inflasi, perubahan teknologi dan
peningkatan produktivitas.
18
Gambar 2.1 Komponen Kecenderungan (Trend)
b. Fluktuasi musiman biasanya dijumpai pada data yang dikelompokkan secara
kuartalan, bulanan, atau mingguan. Variasi musiman ini menggambarkan pola
perubahan yang berulang secara teratur dari waktu ke waktu.
Gambar 2.2 Komponen Musiman (Seasonal)
c. Komponen siklus adalah suatu seri fluktuasi seperti gelombang atau siklus yang
mempen
d. garuhi keadaan ekonomi selama lebih dari satu tahun. Hal tersebut dapat dilihat
dari perbedaan antara nilai yang diharapkan (trend) dengan nilai yang
sebenarnya yaitu variasi residual yang berfluktuasi sekitar trend.
Gambar 2.3 Komponen Siklus (Cyclical)
19
e. Komponen tidak beraturan terbentuk dari fluktuasi-fluktuasi yang disebabkan
oleh peristiwa-peristiwa yang tidak terduga seperti perubahan cuaca,
pemogokan, perang, pemilihan umum, rumors tentang perang, dan lain-lain.
(Arsyad, 2001 : 207-208).
Gambar 2.4 Komponen Acak (Random)
2.3.8 Ukuran Akurasi Hasil Peramalan
Setiap metode peramalan tentu tidak dapat menghasilkan hasil ramalan
yang benar-benar tepat atau sama persis dengan data aktual di periode yang sama.
Nilai ramalan yang dihasilkan selama ini hanya mendekati data aktual di periode
yang sama, maka diharapkan suatu metode peramalan dapat memberikan perbedaan
yang sekecil mungkin antara nilai hasil ramalan dengan data aktual pada periode
yang sama. Adapun perbedaan antara nilai hasil ramalan dengan data aktual inilah
yang disebut dengan residual atau error. Berikut ini adalah persamaan yang
digunakan untuk menghitung nilai residual/kesalahan dari setiap periode
peramalan:
𝑒𝑡 = 𝑌𝑡 − ��𝑡
dengan:
𝑒𝑡 = kesalahan peramalan pada periode t
𝑌𝑡 = nilai sebenarnya pada periode t
��𝑡 = nilai peramalan pada periode t
20
Terdapat beberapa cara untuk mengevaluasi suatu metode peramalan,
salah satunya adalah menggunakan penjumlahan kesalahan absolut. Penjumlahan
kesalahan absolut atau sering disebut sebagai simpangan absolut rata-rata atau
Mean Absolute Deviation (MAD) mengukur akurasi peramalan dengan merata-
ratakan kesalahan peramalan menggunakan nilai absolutnya. MAD ini sangat
berguna jika seorang analis ingin mengukur kesalahan peramalan dalam unit ukuran
yang sama seperti data aslinya. Berikut adalah persamaan yang menunjukkan
bagaimana cara menghitung nilai dari MAD :
𝑀𝐴𝐷 = (𝑌𝑡 − ��𝑡)
𝑛
Selain MAD, terdapat kesalahan rata-rata kuadrat atau Mean Squared
Error (MSE), yang merupakan metode alternatif dalam mengevaluasi suatu teknik
peramalan. Setiap kesalahan atau residual dikuadratkan, kemudian dijumlahkan dan
dibagi dengan jumlah observasi. Pendekatan ini menghukum suatu kesalahan
peramalan yang besar karena dikuadratkan. Pendekatan ini penting karena suatu
teknik yang menghasilkan kesalahan yang moderat lebih disukai oleh suatu
peramalan yang biasanya menghasilkan kesalahan yang lebih kecil tetapi kadang-
kadang menghasilkan kesalahan yang sangat besar. Berikut adalah persamaan yang
menunjukkan bagaimana cara menghitung MSE :
𝑀𝑆𝐸 = (Yt − Yt)2
n
Terkadang akan lebih bermanfaat jika menghitung kesalahan peramalan
dengan menggunakannya secara presentase daripada nilai absolutnya. Teknik yang
demikian diwakili oleh teknik persentase kesalahan absolut rata-rata atau Mean
Absolute Percentage (MAPE) dihitung dengan menemukan kesalahan absolut
21
setiap periode, kemudian membaginya dengan nilai observasi pada periode
tersebut, dan akhirnya merata-ratakan persentase absolut ini. Pendekatan ini sangat
berguna jika ukuran variabel peramalan merupakan faktor penting dalam
mengevaluasi akurasi peramalan tersebut. MAPE memberikan petunjuk seberapa
besar kesalahan peramalan dibandingkan dengan nilai sebenarnya dari suatu seri
data. MAPE juga dapat digunakan untuk membandingkan akurasi dari teknik yang
sama atau berbeda pada dua series yang berbeda. Berikut adalah persamaan yang
menunjukkan bagaimana cara menghitung MAPE :
𝑀𝐴𝑃𝐸 = ∑
|𝑌𝑡 − ��𝑡|𝑌𝑡
𝑛𝑡
𝑛
Selain itu, terkadang perlu juga untuk menentukan apakah suatu metode
peramalan bias atau tidak (secara konsisten tinggi atau rendah). Teknik untuk hal
demikian diwakili oleh teknik persentase kesalahan rata-rata atau Mean Percentage
Error (MPE). MPE dihitung dengan cara menemukan kesalahan setiap periode,
kemudian membaginya dengan nilai sebenarnya pada periode tersebut, dan
kemudian merata-ratakan persentase kesalahan tersebut. Jika pendekatan
peramalan tersebut tidak bias, maka hasil perhitungan nantinya akan menghasilkan
persentase mendekati nol. Jika hasil persentase negatifnya cukup besar, maka
metode peramalan tersebut menghasilkan hasil ramalan yang terlalu tinggi,
demikian sebaliknya. Berikut adalah persamaan yang menunjukkan bagaimana
menghitung MPE (Arsyad, 2001 : 57 - 60)
𝑀𝑃𝐸 = ∑
|𝑌𝑡 − ��𝑡|𝑌𝑡
𝑛
22
2.3.9 Teknik Peramalan untuk Data Musiman
Suatu data runtut waktu yang bersifat musiman didefinisikan sebagai suatu
data runtut waktu yang mempunyai pola perubahan yang berulang secara tahunan.
Mengembangkan suatu teknik peramalan musiman biasanya memerlukan
pemilihan metode perkalian dan pertambahan dan kemudian mengestimasi indeks
musiman dari data tersebut. Indeks ini kemudian digunakan untuk memasukkan
sifat musiman dalam peramalan untuk menghilangkan pengaruh seperti itu dari
nilai-nilai yang diobservasi.
Teknik-teknik peramalan untuk data musiman digunakan dalam keadaan
berikut ini :
a. Jika cuaca mempengaruhi variabel yang kita teliti.
b. Jika kalender tahunan mempengaruhi variabel yang kita teliti.
Teknik-teknik yang seyogyanya diperhatikan ketika meramalkan data
runtut waktu yang bersifat musiman salah satunya adalah metode pemulusan
eksponensial dari Winters. (Arsyad, 2001 : 53)
2.3.10 Analisis Pola Data dengan Analisis Otokorelasi
Pola data, termasuk komponen trend, musiman dan ketidakberaturan,
dapat dianalisis dengan pendekatan analisis otokorelasi. Koefisien otokorelasi
untuk setiap variabel lamban (lagged variable) yang berbeda digunakan untuk
mengidentifikasi pola data runtut waktu. Persamaan dibawah ini biasanya
digunakan untuk menghitung koefisien otokorelasi tingkat pertama (r1) atau
korelasi antara Yt dengan Yt-1.
r1 = ∑ (𝑌𝑡−��)(𝑌𝑡−1−��)
∑ (𝑛𝑡=1 𝑌𝑡−��)2
23
dimana :
r1 = koefisien otokorelasi tingkat pertama
�� = nilai rata-rata serial data
Yt = observasi pada waktu t
Yt-1 = observasi pada satu periode sebelumnya (t-1)
Memperoleh nilai mean (��) dapat dilakukan pembagian antara jumlah
permintaan (jumlah Yt) dibagi dengan banyaknya periode (t). Jika suatu data runtut
waktu mempunyai pola data trend, maka Yt dan Yt-1 terkorelasi cukup kuat, dan
koefisien otokorelasi biasanya secara signifikan tidak sama dengan nol untuk
beberapa lag waktu pertama kali dan kemudian secara perlahan turun mendekati
nol jika jumlah periodenya meningkat. Koefisien otokorelasi untuk 1 lag waktu
biasanya sangat besar yaitu mendekati 1. Koefisien otokorelasi untuk lag 2 waktu
juga masih tetap besar. Tetapi tidak sebesar untuk 1 lag waktu karena pembilangnya
berkurang satu. Jika suatu data runtut waktu mempunyai pola musiman, maka suatu
koefisien otokorelasi yang signifikan akan terjadi pada suatu lag waktu yang cocok
,empat untuk data kuartalan atau dua belas untuk bulanan. (Arsyad, 2001 : 39-44)
2.3.11 Kegunaan Peramalan Bagi Manajemen
Peramalan merupakan salah satu input penting yang digunakan para
manajer dalam proses pengambilan keputusan. Keputusan-keputusan penting pada
dasarnya tergantung pada ramalan mengenai keadaan di masa yang akan datang.
Akumulasi persediaan didasarkan pada ramalan permintaan yang diharapkan,
bagian produksi harus membuat jadwal mengenai keperluan-keperluan tenaga kerja
dan pemesanan bahan-bahan mentah untuk bulan depan atau dua bulan yang akan
datang. (Nasution dan Prasetyawan, 2008 : 34-35).
24
2.3.12 Peramalan Sebagai Penentuan Kapasitas
Ramalan yang baik sangat penting bagi perusahaan diseluruh aspek bisnis.
Ramalan permintaan mengarahkan perusahaan dalam mengambil keputusan-
keputusan. Ramalan produk sangat mempengaruhi terhadap beberapa fungsi,
seperti salah satunya adalah penentuan kapasitas.
Penentuan kebutuhan kapasitas di masa mendatang bisa merupakan
prosedur yang rumit, mengingat sebagian besar berdasarkan permintaan di masa
mendatang. Bila permintaan barang atau jasa dapat diramalkan dengan ketepatan
yang masuk akal atau perusahaan dapat mengelola permintaannya pada tingkat
kapasitas tertentu maka perusahaan mengoptimalkan seluruh fasilitas produknya
dengan efisien. Selanjutnya, hasil peramalan digunakan untuk membantu
mengevaluasi kebutuhan kapasitas. Bila kapasitas tidak tepat akan muncul masalah-
masalah seperti pengiriman yang tidak terjamin. Kehilangan pelanggan, kehilangan
pangsa pasar, dan yang paling fatal adalah hilangnya kepercayaan pelanggan.
(Siagian, 2005 : 132-133)
2.3.13 Pengertian Pemulusan Eksponensial
Pemulusan eksponensial adalah suatu prosedur yang mengulang
perhitungan secara terus-menerus dengan menggunakan data terbaru. (Arsyad,
2001 : 87).
Pemulusan eksponensial adalah teknik yang sudah umum dipakai untuk
peramalan jangka pendek. Keuntungan utama penggunaan teknik ini adalah biaya
rendah dan kemudahan pemakaiannya. Bila diperlukan suatu peramalan untuk
sistem persediaan dari ribuan jenis barang, metode-metode pemulusan seringkali
merupakan pendekatan paling baik. (Arsyad, 2001 : 117).
25
2.3.14 Kekuatan dan Keterbatasan Teknik Pemulusan
Setiap teknik yang digunakan dalam peramalan, maka teknik memiliki
beberapa kekuatan dan keterbatasan dalam melakukan proses peramalan, pada
Tabel 2.1 berikut merupakan kekuatan dan keterbatasan teknik pemulusan.
(Arsyad, 2001 : 117)
Tabel 2.1 Kekuatan dan Keterbatasan Teknik Pemulusan
Kekuatan Keterbatasan
a. Relatif Sederhana dan biaya
rendah.
b. Pemulusan eksponensial
hanya membutuhkan data
terakhir yang dimuluskan
pasti akan menghemat
biaya yang tidak sedikit jika
dibandingkan dengan
teknik peramalan lainnya.
a. Ramalan yang dihasilkan dengan teknik
pemulusan eksponensial sangat sensitif
terhadap spesifikasi pemulusan. Pemilihan
(keputusan) konstanta yang benar bersifat
pragmatis, artinya didasarkan pada proses
coba-coba (trial and error).
b. Teknik pemulusan eksponensial
menghilangkan lag dibelakang titik balik
dari suatu data runtut waktu yang aktual.
c. Model-model ekponensial sangat berguna
jika tujuannya untuk peramalan jangka
menengah dan pendek.
d. Ramalan-ramalan dapat mengandung
banyak kesalahan karena fluktuasi random
yang sangat besar pada periode - periode
waktu yang mutakhir. (Sehingga tidak dapat
digunakan untuk mengevaluasi pengaruh
dari suatu keputusan manajer seperti
perubahan harga atau perubahan strategi
pemasaran).
26
2.3.15 Pengertian Winters
Metode Winters merupakan metode yang dapat menangani faktor
musiman dan trend secara langsung. Keuntungan dari metode Winters adalah
memiliki kemampuan yang baik dalam meramalkan data yang memiliki pola trend
dan musiman. (Makridakis, dkk, 1999 : 96)
Pada metode yang dikemukakan oleh Winters ini, didasarkan atas 3 (tiga)
parameter pemulusan, yaitu satu untuk unsur stasioner, satu untuk trend, dan satu
untuk musiman. Metode Winters exponential smoothing menggunakan tiga
parameter pemulusan untuk melakukan proses peramalan. Persamaan metode
Winters exponential smoothing yang digunakan adalah sebagai berikut :
a. Pemulusan eksponensial
𝐴𝑡 = ∝ 𝑌𝑡
𝑆𝑡−𝐿+ (1− ∝)(𝐴𝑡−1 − 𝑇𝑡−1)
b. Estimasi trend
𝑇𝑡 = 𝛽 (𝐴𝑡 − 𝐴𝑡−1) + (1 − 𝛽)𝑇𝑡−1
c. Estimasi musiman
𝑆𝑡 = 𝜇 𝑌𝑡
𝐴𝑡+ (1 − 𝜇)𝑆𝑡−𝐿
d. Ramalan untuk periode p di masa datang
��𝑡+𝑝 = (𝐴𝑡 + 𝑝𝑇𝑡)𝑆𝑡+𝐿+𝑝
Keterangan :
At = Nilai pemulusan yang baru
α = Konstanta pemulusan untuk data (0 ≤ α ≤ 1)
Yt = Data Baru atau nilai aktual pada periode t
Tt = Estimasi trend
27
β = Konstanta pemulusan untuk estimasi trend (0 ≤ β ≤ 1)
St = Estimasi Musiman
µ = Konstanta pemulusan untuk estimasi musiman (0 ≤ µ ≤ 1)
p = Periode yang diramalkan
L = Panjang musim
��𝑡+𝑝 = Peramalan pada periode p (Arsyad , 2001 : 113-115)
Lebih jelas mengenai proses peramalan dengan menggunakan metode
Winters bisa dilihat pada pada gambar 2.5. Pada gambar terlihat bahwa tahapan
pemulusan pada Winters ini ada tiga. Masing-masing pemulusan disesuaikan
dengan input-an parameter yang sudah ditentukan. Selain itu perbedaan metode
Winters dengan metode pemulusan lainnya adalah, terdapat input-an terkait dengan
panjang musiman dari data time series (yang diramalkan).
28
Mulai
Data Panjang Musiman (L)Data Periode (P)
Menentukan Parameter Pemulusan, Trend, Musiman
Persamaan Eksponensial Smoothing
Persamaan Perkiraan Trend
Persamaan Perkiraan Musiman
Persamaan Peramalan Untuk Periode Selanjutnya (P)
Hasil Peramalan Untuk Beberapa Periode Kedepan
Selesai
Mengitung MSE, MAD, MAPE
Data Time Series
Gambar 2.5 Diagram Alir Metode Winters
Selain keterbatasan teknik pemulusan yang terdapat pada Tabel 2.1,
dijelaskan juga bahwa kelemahan dari metode Winters yang menghambat
29
penggunaannya secara meluas adalah bahwa metode ini memerlukan tiga parameter
pemulusan. Karena setiap parameter ini dapat bernilai antara 0 dan 1, maka banyak
kombinasi yang harus dicobakan sebelum nilai α, β, µ yang optimal dapat
ditentukan. Metode Winters sendiri memiliki kelebihan dalam melakukan
pemulusan data yang bersifat musiman yang tidak dimiliki metode pemulusan
lainnya. (Makridakis, dkk, 1999 : 110)
2.4 Siklus Hidup Pengembangan Sistem
Siklus Hidup Pengembangan Sistem atau Software Development Life
Cycle (SDLC) adalah proses mengembangkan atau mengubah suatu sistem
perangkat lunak dengan menggunakan model-model dan metodologi yang
digunakan orang untuk mengembangkan sistem-sistem perangkat lunak
sebelumnya (berdasarkan best practice atau cara-cara yang sudah teruji baik).
(Chandra, 2012 : 13). Tahapan SDLC meliputi : Elisitasi Kebutuhan, Analisis,
Desain, Construction, Testing dan Implementasi.
2.4.1 Elisitasi Kebutuhan
Elisitasi atau pengumpulan kebutuhan merupakan aktivitas awal dalam
proses rekayasa perangkat kebutuhan. Sebelum kebutuhan dapat dianalisis,
dimodelkan, atau ditetapkan, kebutuhan harus dikumpulkan melalui proses elisitasi.
Elisitasi kebutuhan adalah sekumpulan aktivitas yang ditujukan untuk menemukan
kebutuhan suatu sistem melalui komunikasi dengan pelanggan, pengguna sistem
dan pihak lain yang memiliki kepentingan dalam pengembangan sistem.
Sejalan dengan proses rekayasa kebutuhan secara keseluruhan, elisitasi
kebutuhan bertujuan untuk :
30
1. Mengetahui masalah apa saja yang perlu dipecahkan dan mengenali batasan-
batasan sistem. Proses-proses dalam pengembangan perangkat lunak sangat
ditentukan oleh seberapa dalam dan luas pengetahuan developer tentang
permasalahan.
2. Mengenali siapa saja para stakeholder, yaitu setiap pihak yang memiliki
kepentingan terhadap sesuatu, dimana dalam konteks perangkat lunak adalah
proyek pengembangan perangkat lunak itu sendiri.
3. Mengenali tujuan dari sistem yaitu sasaran-sasaran yang harus dicapai. Tujuan
merupakan sasaran sistem yang harus dipenuhi, penggalian high level goals di
awal proses pengembangan sangatlah penting karena bertujuan lebih terfokus
pada ranah masalah dan kebutuhan stakeholder dari pada solusi yang
dimungkinkan untuk masalah tersebut. (Chandra, 2012 : 12-14)
2.4.2 Analisis
Tahap Analisis merupakan tahap identifikasi, seleksi, dan perencanaan
sistem yang bertujuan untuk mendeteksi dan memberikan solusi antar kebutuhan
serta mengetahui ruang lingkup perangkat lunak dan bagaimana perangkat lunak
tersebut berinteraksi dengan lingkungan.
Tahapan analisis kebutuhan, menunjukkan tahapan-tahapan didalam
analisis kebutuhan. Pada dasarnya, aktivitas analisis dibutuhkan dalam setiap proses
dalam daur hidup pengembangan perangkat lunak. Dalam proses rekayasa
kebutuhan, analisis pun dilakukan dalam setiap aktivitas-aktivitasnya. Aktivitas
tersebut antara lain sebagai berikut :
31
1. Domain Understanding : Dalam tahapan ini, pengembang harus mengetahui
bagaimana organisasi perusahaan beroperasi dan apa yang menjadi
permasalahan pada sistem yang berjalan.
2. Requirements Collection : Tahapan ini merupakan tahapan pengumpulan
kebutuhan akan sistem yang akan dibangun sehingga diperlukan adanya
interaksi secara intensif dengan stakeholder.
3. Classification : Tahapan ini mengelompokkan hasil dari tahap kebutuhan
sehingga menjadi lebih terstruktur untuk selanjutnya diorganisir kedalam
kelompok-kelompok yang koheren.
4. Conflict Resolution : Tahapan ini berguna untuk menemukan dan menyelesaikan
kebutuhan yang didalamnya terdapat konflik. Konflik tersebut dapat terjadi
antara dua stakeholder yang saling terkait tetapi memiliki fasilitas yang tidak
sesuai, atau dapat terjadi antara kebutuhan dan sumber daya.
5. Prioritisation : Tahap ini melakukan interaksi dengan stakeholder untuk
mengidentifikasikan kebutuhan-kebutuhan prioritas dari masing-masing
kebutuhan agar memenuhi sumber daya yang tersedia pada organisasi.
6. Requirements Checking : Menganalisis sekumpulan kebutuhan dari hasil
tahapan sebelumnya untuk menverifikasi dan memvalidasi berdasarkan aspek
kelengkapan, konsistensi, dan kebutuhan nyata.
Semua jenis kebutuhan yang telah diperoleh tersebut kemudian dituangkan
dalam bentuk dokumen yang berisi tentang kebutuhan sistem secara keseluruhan.
Dokumen ini menjelaskan secara rinci tentang kesepakatan antara pengembang
dengan klien, desain perangkat lunak yang akan dibangun, segala resiko yang akan
dihadapi dan jadwal pembuatan perangkat lunak. Dokumen ini sangat berguna bagi
32
pihak yang ingin mengetahui tentang perangkat lunak yang akan dibangun namun
tidak mengerti secara teknik karena dokumen ini menggunakan bahasa yang
sederhana. Secara umum dokumen ini biasa disebut dengan Software Requirements
Spesification (SRS). (Chandra, 2012 : 13-14)
Pada dokumen SRS akan dijelaskan juga mengenai kebutuhan fungsional
dan non-fungsional dimana kebutuhan non-fungsional dibuat berdasarkan dokumen
IEEE standart 803:1993. IEEE 803:1993 mengelompokkan kebutuhan non-
fungsional kedalam sejumlah kategori kualitas dari suatu perangkat lunak.
Kategori-kategori tersebut secara umum dibagi kedalam 2 kelompok, yaitu faktor
kualitas eksternal dari perangkat lunak dan faktor kualitas internal perangkat lunak.
Faktor kualitas eksternal merupakan kategori kualitas yang dapat diobservasi atau
menjadi ketertarikan utama dari pelanggan. Kategori-kategori yang termasuk
didalam kelompok ini antara lain :
a. Ketepatan (correctness),
b. Robustness,
c. Unjuk Kerja (performance),
d. Ketersediaan dan kualitas antar muka (interface),
e. Kehandalan (reliability), dan
f. Ketersediaan (availability)
Sedangkan kualitas faktor internal merupakan kategori kualitas yang dapat
diobservasi atau menjadi ketertarikan utama dari pengembang. Seprerti :
a. Kemudahan membaca/memahami struktur perangkat lunak (readibility),
b. Kemampuan untuk dilakukan pengujian (testability),
c. Ketersediaan dan kualitas dokumentasi (documentation),
33
d. Kemudahan pemeliharaan (maintainability), dan
e. Adaptasi terhadap lingkungan berbeda (portability)
2.4.3 Desain
Tahap Desain adalah tahapan merancang pemodelan data yang dapat
divisualisasikan melalui Entity Relationship Diagram (ERD), Conceptual Data
Model (CDM), dan Physical Data Model (PDM); dan pemodelan proses yang dapat
divisualisasikan melalui Data Flow Diagram (DFD) atau melalui Unified
Modelling Language (UML). Dalam tahap ini juga mentransformasikan hasil dari
analisis kebutuhan menjadi kebutuhan yang sudah lengkap yang difokuskan pada
bagaimana memenuhi fungsi-fungsi yang dibutuhkan. Desain tersebut mencakup
desain form dan laporan, desain antarmuka dan dialog, desain basis data dan file
(framework), dan desain proses atau desain struktur proses. (England, dkk, 2004 :
51-55)
Sebagai dasar identifikasi titik-titik keputusan ini, dapat digunakan
dokumen sistem bagan alir formulir (paperwork flowchart atau form flowcharat)
bila dokumentasi ini dimiliki oleh perusahaan. Berikut ini simbol–simbol dalam
sistem maupun data flow diagram. (Jogiyanto, 2005 : 796-803)
1. Flowchart
a. Flow Direction Symbols
Tabel 2.2 Flow Direction Symbols
Simbol arus / flow, yaitu menyatakan jalanya arus suatu proses.
Simbol connector, berfungsi menyatakan sambungan dari proses ke
prose lainya dalam halaman yang sama.
34
Simbol off-page connector, menyatakan sambungan dari proses ke
proses lainnya dalam halaman yang berbeda.
b. Processing Symbol
Tabel 2.3 Processing Symbols
Simbol process, yaitu menyatakan suatu tindakan (proses) yang
dilakukan oleh komputer.
Simbol manual, yaitu menyatakan suatu tindakan (proses) yang
tidak dilakukan oleh komputer.
Simbol decision, yaitu menunjukkan suatu kondisi tertentu yang
akan menghasilkan dua kemungkinan jawaban : ya / tidak.
Simbol preparation, yaitu menyatakan penyedian tempat
penyimpanan suatu pengolahan untuk memberi harga awal.
Simbol terminal, yaitu menyatakan permulaan atau akhir suatu
program.
Simbol offline-storage, menunjukkan bahwa data dalam simbol
ini akan disimpan ke suatu media tertentu.
Simbol manual- input, memasukkan data secara manual dengan
menggunakan online keyboard.
c. Input / Output Symbol
Tabel 2.4 Input / Output Symbol
Simbol input-output menyatakan proses input atau output tanpa
tergantung jenis peralatanya.
Simbol storage menyatakan input berasal dari disk atau output
disimpan ke disk.
Simbol document mencetak keluaran dalam bentuk dokumen
(melalui printer).
35
Simbol display mencetak keluaran dalam layar monitor.
2. Data Flow Diagram
Data Flow Diagram (DFD) fokus pada aliran data dari dan ke dalam
sistem serta memproses data tersebut. (Kendall, 2003 : 231)
a. External Entity
Suatu External Entity atau entitas merupakan orang, kelompok, departemen,
atau sistem lain di luar sistem yang dibuat dapat menerima atau memberikan
informasi atau data ke dalam sistem yang dibuat. Gambar 2.6 merupakan
simbol entitas dalam DFD.
Gambar 2.6 Simbol Exsternal Entity
b. Data Flow
Data Flow atau aliran data disimbolkan dengan tanda panah. Data Flow
menunjukkan arus data atau aliran data yang menghubungkan dua proses atau
entitas dengan proses. Gambar 2.7 merupakan simbol Data Flow.
Gambar 2.7 Simbol Data Flow
c. Process
Suatu proses dimana beberapa tindakan atau sekelompok tindakan dijalankan.
Gambar 2.8 merupakan simbol Process.
36
Gambar 2.8 Simbol Process
d. Data Store
Data store adalah simbol yang digunakan untuk melambangkan process
penyimpanan data. Gambar 2.9 merupakan simbol file penyimpanan/data
store.
Gambar 2.9 Simbol Data Store
3. Entity Relationship Diagram
Atribute adalah kolom di sebuah relasi. (Marlinda, 2004:28)
Macam-macam atribute yaitu :
a. Simple Atribute
Atribute ini merupakan atribute yang unik dan tidak dimiliki oleh atribute
lainnya, misalnya entity mahasiswa yang atribute-nya NIM.
b. Composite Atribute
Composite Atribute adalah atribute yang memiliki dua nilai harga, misalnya
nama besar (nama keluarga) dan nama kecil (nama asli).
c. Single Value Atribute
Atribute yang hanya memiliki satu nilai harga, misalnya entity mahasiswa
dengan atribute-nya umur (tanggal lahir).
37
d. Multi Value Atribute
Atribute yang banyak memiliki nilai harga, misalnya entity mahasiswa dengan
atribute-nya pendidikan (SD, SMP, SMA).
e. Null Value Atribute
Atribute yang tidak memiliki nilai harga, misalnya entity tukang becak dengan
atribute-nya pendidikan (tanpa memiliki ijazah).
ERD ini diperlukan agar dapat menggambarkan hubugan antar entity
dengan jelas, dapat menggambarkan batasan jumlah entity dan partisipasi antar
entity, mudah dimengerti pemakai dan mudah disajikan oleh perancang database.
(Kadir, 2008 : 46)
Untuk itu ERD dibagi menjadi 2 jenis model, yaitu :
a. Conceptual Data Model (CDM)
Merupakan jenis model data yang menggambarkan hubungan antar tabel secara
konseptual.
b. Physical Data Model (PDM)
Merupakan jenis model data yang menggambarkan hubungan antar tabel secara
fisikal.
ERD mempunyai 4 jenis hubungan antara lain :
a. Hubungan one–to–one ( 1:1 ) menyatakan bahwa setiap entitas pada tipe entitas
A paling banyak berpasangan dengan satu entitas pada tipe entitas B. Begitu pula
sebaliknya. Contoh :
Gambar 2.10 Hubungan one-to-one
Relation_3
A B
38
b. Hubungan one–to–many ( 1:M ) menyatakan bahwa setiap entitas pada tipe
entitas A bisa berpasangan dengan banyak entitas pada tipe entitas B, sedangkan
setiap entitas pada B hanya bisa berpasangan dengan satu entitas pada tipe entitas
B. Contoh :
Gambar 2.11 Hubungan one-to-many
c. Hubungan many–to–one ( M:1 ) menyatakan bahwa setiap entitas pada tipe
entitas A paling banyak berpasangan dengan satu entitas pada tipe entitas B dan
setiap entitas pada tipe entitas B bisa berpasangan dengan banyak entitas pada
tipe entitas A. Contoh :
Gambar 2.12 Hubungan many-to-one
d. Hubungan many–to–many ( M:N ) Menyatakan bahwa setiap entitas pada suatu
tipe entitas A bisa berpasangan dengan banyak entitas pada tipe entitas B dan
begitu pula sebaliknya. Contoh :
Gambar 2.13 Hubungan many-to-many
Relation_3
A B
Relation_3
A B
Relation_3
A B
39
e. Kardinalitas menggambar hubungan antara dua entitas dengan
mengindentifikasi berapa banyak instance untuk setiap entitas yang nantinya
dapat dihubungkan dengan setiap instance yang spesifik di entitas yang lain.
2.4.4 Construction
Pada tahap ini ialah melakukan konversi hasil desain ke sistem informasi
yang lengkap melalui tahapan pengkodean (coding) termasuk bagaimana, membuat
basis data dan menyiapkan prosedur kasus pengujian, mempersiapkan berkas atau
file pengujian, pengodean, pengompilasian, memperbaiki dan membersihkan
program serta melakukan peninjauan pengujian. Construction ini memiliki
beberapa tahapan secara umum. (England, dkk, 2004 : 65-67)
1. Software Construction Fundamentals
Pada tahap pertama, dilakukan pendefinisian dasar tentang prinsip-prinsip yang
digunakan dalam proses implementasi seperti minimalisasi kompleksitas,
mengantisipasi perubahan, dan standar yang digunakan.
2. Managing Construction
Bagian ini mendefinisikan tentang model implementasi yang digunakan, rencana
implementasi, dan ukuran pencapaian dari implementasi tersebut.
3. Practical Considerations
Bagian ini membahas tentang desain implementasi yang digunakan, bahasa
pemrograman yang digunakan, kualitas dari implementasi yang dilakukan,
proses pengetesan dan integritas.
Dalam proses pengimplementasian ini, digunakan beberapa aplikasi
pendukung yaitu :
40
a. Microsoft Excel
Miscrosoft Excel adalah sebuah spreadsheet, yaitu program yang digunakan
untuk melakukan pengolahan data pada sebuah sebuah kertas kerja elektronik
(electronic spreadsheet). Perkataan spreadsheet sebenarnya berasal dari istilah
pada ilmu akuntansi, yang mengacu pada kertas kerja yang besar dengan isian
baris dan kolom yang berisi transaksi-transaksi bisnis. (Santoso, 2003 : 5)
b. Microsoft Visual Basic.Net
Microsoft Visual Basic .NET adalah sebuah alat untuk mengembangkan dan
membangun aplikasi yang bergerak di atas sistem .NET Framework, dengan
menggunakan bahasa BASIC. Dengan menggunakan alat ini, para programmer
dapat membangun aplikasi Windows Forms, Aplikasi web berbasis ASP.NET,
dan juga aplikasi command-line. Alat ini dapat diperoleh secara terpisah dari
beberapa produk lainnya (seperti Microsoft Visual C++, Visual C#, atau Visual
J#), atau juga dapat diperoleh secara terpadu dalam Microsoft Visual Studio
.NET.
c. SQL Server
SQL Server 2008 adalah sebuah terobosan baru dari Microsoft dalam bidang
database. SQL Server adalah sebuah DBMS (Database Management System)
yang dibuat oleh Microsoft untuk berkecimpung dalam persaingan dunia
pengolahan data (Shortcourse, 2010 : 2). Database atau basis data adalah
sekumpulan data yang memiliki hubungan secara logika dan diatur dengan
susunan tertentu serta disimpan dalam media penyimpanan komputer. Data itu
sendiri adalah representasi dari semua fakta yang ada pada dunia nyata.
(Shortcourse, 2010 : 24)
41
2.4.5 Testing dan Implementasi
Tahap ini mendemonstrasikan sistem perangkat lunak yang telah selesai
dibuat untuk dijalankan, apakah telah sesuai dengan kebutuhan yang telah
dispesifikasikan dan dapat diadaptasi pada lingkungan sistem yang baru. Tahapan
ini tertuang dalam suatu dokumen Test Plan, yang dimulai dari membuat Software
Testing Fundamentals yang berisi tentang penjelasan penting mengenai
terminology testing, kemudian selanjutnya merancang Test Levels yang terbagi
antara target pengetesan dan objektif dari pengetesan. Pada tahap berikutnya adalah
mendefinisikan Test Techniques, yaitu tentang bagaimana teknik yang digunakan
termasuk dasar-dasar pengetesan berdasarkan intuisi dan pengalaman serta teknik
pengetesan secara teknik coding, teknik kesalahan, teknik penggunaan, dan teknik
terkait lainnya. Tahap selanjutnya adalah mendefinisikan Test-Related Measures,
yaitu ukuran-ukuran pencapaian testing yang telah dilakukan untuk kemudian
dievaluasi kembali. Tahap terakhir adalah mendefinisikan Test Process yang berisi
tentang aktivitas testing. (England, dkk, 2004 : 73-74)
2.5 Perusahaan Make-to-Stock
Perusahaan industri yang memilih strategi Make-to-Stock akan memiliki
inventory yang terdiri dari produk akhir (finished product) untuk dapat dikirim
dengan segera apabila ada permintaan dari pelanggan. Dalam strategi Make-to-
Stock, siklus waktu dimulai ketika produsen menspesifikasikan produk,
memperoleh bahan baku, dan memproduksi produk akhir untuk disimpan dalam
stock, produsen akan mengambil produk itu dari stock dan mengirimkannya kepada
pemesan.
42
Fokus operasional dari perusahaan industri yang memilih strategi Make-
to-Stock adalah terarah pada pengisian kembali inventory (replenishment of
inventory), dimana sistem produksi menetapkan tingkat produksi (inventory level)
berdasarkan pada antisipasi pesanan yang akan datang, dan bukan berdasarkan
pesanan yang ada sekarang. Oleh karena itu, perusahaan harus dapat merencanakan
jumlah barang jadi yang disimpan di gudang dengan baik.
Dalam strategi Make-to-Stock yang digunakan oleh perusahaan, maka
perusahaan tersebut memiliki resiko yang tinggi berkaitan dengan investasi
inventory, karena pesanan pelanggan secara aktual tidak dapat diidentifikasi secara
tepat dalam proses produksi. Permintaan aktual dari pelanggan hanya dapat
diramalkan, dimana seringkali tingkat aktual dari produksi hanya berkorelasi
rendah dengan pesanan pelanggan aktual yang diterima. (Gazpersz, 2002 : 20-21)
2.6 Minitab
Paket program Minitab merupakan perangkat lunak statistika yang dapat
digunakan sebagai media pengolahan data yang menyediakan berbagai jenis
perintah yang memungkinkan proses pemasukan data, manipulasi data, pembuatan
grafik, peringkasan nilai-nilai numerik, dan analisis statistika lainnya.
Minitab adalah program komputer yang dirancang untuk melakukan
pengolahan statistik. Minitab mengkombinasikan kemudahan penggunaan
layaknya Microsoft Excel dengan kemampuannya melakukan analisis statistik yang
kompleks. Minitab 16, versi terbaru perangkat lunak ini, tersedia dalam tujuh
bahasa: Inggris, Perancis, Jerman, Jepang, Korea, Mandarin, dan Spanyol. (Imanda,
2010 : 1)